• Folien herunterladen: bit.ly/howR2020
  Ordner “1_whyR: basic introduction”
  Datei “1_hello_R.html”
• RStudio starten
• Aufnahme ok?

“R for Data Science”

1. Why R?
2. Überblick RStudio
3. Funktionsweise R
4. Helpseeking
5. Daten importieren & entdecken

Job postings for
Data Science Jobs on
indeed.com (27. May 2019)
Bob Muenchen @ R4stats

Use of R in the field of ecology (2008-2017)

Lai et al. (2019)

SPSS: 3 Jahre = 3.439,08€ (95,53€ / Monat) exklusive Steuern

Matlab: zw. 500€ - 18.800€
Statistics, Test, Measurement Packages = 2.900€

R & RStudio steht unter der GNU General Public License

• Open Source
• kostenlos

jede Person kann Code ausführen

(also awesome: Python)

Data wrangling: Prozess der Transformation von Rohdaten in “clean data”

Clean data: Daten liegen so vor, dass Analysen gerechnet werden können

• Tabellenformat anders strukturiert (z.B. aufgrund der Fragebogens)

Data wrangling: Prozess der Transformation von Rohdaten in “clean data”

Clean data: Daten liegen so vor, dass Analysen gerechnet werden können

• Tabellenformat anders strukturiert (z.B. aufgrund der Fragebogens)
• Datensätze matchen (Schüler- & Lehrerfragebogen)
• “messy data”

art_csv <- art_csv %>%
  dplyr::mutate(excl_reason = str_extract(.$note, "RAYYAN-EXCLUSION-REASONS:.*?(\\||$)"),
                labels = str_extract(.$note, "RAYYAN-LABELS:.*?(\\||$)"),
                decision_j = str_extract(.$note, "juergen.schneider\"\"=>\"\".*?\"\""))%>% 
  dplyr::mutate(excl_reason = str_remove_all(excl_reason, "RAYYAN-EXCLUSION-REASONS:\\s"),
                labels = str_remove_all(labels, "RAYYAN-LABELS:\\s|\\s\\|"),
                decision_j = case_when(
                                str_detect(decision_j, "Excluded") ~ "Excluded",
                                str_detect(decision_j, "Included") ~ "Included",
                                str_detect(decision_j, "Maybe") ~ "Maybe")
                )

Data wrangling: Prozess der Transformation von Rohdaten in “clean data”

Clean data: Daten liegen so vor, dass Analysen gerechnet werden können

• Tabellenformat anders strukturiert (z.B. aufgrund der Fragebogens)
• Datensätze matchen (Schüler- & Lehrerfragebogen)
• “messy data”
• Ausreißer, Definition fehlender Werte, …

fig <- plot_ly(z = ~volcano)
fig %>% add_surface()

Alles in einer Datei:

• Daten (encodiert in Datei)
• Analysen (Skript dargestellt)
• Ergebnisse (mitsamt Tabellen & Abbildungen)
• Interpretation (Text)

Beispiel hier klicken

Schaut euch das RStudio-Fenster an:

• Welche Bereiche des Fensters kennt ihr? Was kann man “dort” machen?
• Welche Bereiche sagen euch nichts?

4 Fenster

• Skriptfenster
• Konsole (& Terminal & R Markdown & Jobs)
• Environment (& History & Connections)
• Organisation

Hier wird gearbeitet:

• Konsole
  • entspricht R (= übergibt Befehle an R)
  • Verarbeitet Eingaben (Befehle) in Ausgaben
  • > Eingabesymbol
  • + verknüpft Befehlszeilen
• Terminal
  • übergibt Befehle an Rechner
• R Markdown
  • Fortschritt der Kompilierung von R Markdown-Dateien
• Jobs
  • Aneinanderreihung von Befehlen i.S. einer Warteschlange
  • besonders nützlich bei Berechnungen, die lange dauern

• übersichtliche Auflistung von Befehlen
• kann an Konsole übergeben werden (Strg + ↵ bzw. CMD + ↵)
• speichern, immer wieder ausführen, glücklich sein

• Environment: Auflistung der erstellten/geladenen Objekte
  • Name
  • Typ
  • Größe
  • …
• History: Auflistung der ausgeführten Befehle

• Überblick über den aktuellen Ordner (“working Directory”)
  • R hat Probleme bei Installationen auf Rechnern dessen Benutzer/in einen Umlaut enthält
• Plot-Ausgabe
• Viewer (Ausgabe von PDFs, HTML, …)
• Packages
• Help

1. Benötigtes Paket installieren (Einmalig!)
   • Reiter “Packages” im Organisation-Fenster: “Install”
   • mit Code:

   install.packages("tidyverse")

2. Benötigtes Paket laden (nach jedem Start!)
   • Reiter “Packages” im Organisation-Fenster: Häkchen setzen
   • mit Code:

   library(tidyverse)

3. Funktion verwenden

   cfa(model = mymodel,
       data = mydata)

R installiert Abhängigkeiten automatisch

Oftmals gibt es mehrere Pakete für dasselbe Problem

Welches ist das beste Paket? Ausprobieren/ etablierte Pakete verwenden

cfa(model = mymodel,
    data = mydata)

Error in cfa(model = mymodel, data = mydata) :
could not find function “cfa”
Paket laden

library(lavaan)

Error in library(lavaan) : there is no package called ‘lavaan’
Paket installieren

Alles, was existiert, ist ein Objekt. Alles, was passiert, ist ein Funktionsaufruf.
(Chambers, 2014)

Objekte

speichern Zustände oder Methoden (also eigentlich fast alles)

Zuweisung erfolgt durch <- oder =

Objektname frei wählbar

• nicht mit Zahl beginnen
• keine Leerzeichen
• keine Sonderzeichen

das_ist_ein_Objekt <- 10

Funktionen
in Paketen gespeichert

results_ttest <- t.test()

Argumente

results_ttest <- t.test(x = ...,
                        y = ...,
                        paired = ...)

Input-Werte

results_ttest <- t.test(x = iris$Sepal.Width,
                        y = iris$Petal.Width,
                        paired = TRUE)

Kommentare

# t-Test mit Datensatz Iris, der in base-R integriert ist
results_ttest <- t.test(x = iris$Sepal.Width,  # Kelchblatt Breite
                        y = iris$Petal.Width,  # Blütenblatt Breite
                        paired = TRUE)         # abhängige Stichprobe: ja

Objekte aufrufen

results_ttest

## 
##  Paired t-test
## 
## data:  iris$Sepal.Width and iris$Petal.Width
## t = 22.595, df = 149, p-value < 2.2e-16
## alternative hypothesis: true difference in means is not equal to 0
## 95 percent confidence interval:
##  1.695513 2.020487
## sample estimates:
## mean of the differences 
##                   1.858

Elemente aus Objekt aufrufen: per Index

mein_vektor <- c("A", "B", "C", "D")
mein_vektor

## [1] "A" "B" "C" "D"

mein_vektor[2]

## [1] "B"

Elemente aus data.frame Objekt aufrufen: per Index

mein_df <- data.frame(treatment = c("EG", "EG", "KG", "KG"),
                      motivation = c(5,6,2,1))
mein_df

##   treatment motivation
## 1        EG          5
## 2        EG          6
## 3        KG          2
## 4        KG          1

Elemente aus data.frame Objekt aufrufen: per Index

mein_df <- data.frame(treatment = c("EG", "EG", "KG", "KG"),
                      motivation = c(5,6,2,1))
mein_df

##   treatment motivation
## 1        EG          5
## 2        EG          6
## 3        KG          2
## 4        KG          1

mein_df[2]

##   motivation
## 1          5
## 2          6
## 3          2
## 4          1

mein_df[,2]

## [1] 5 6 2 1

mein_df["motivation"]

##   motivation
## 1          5
## 2          6
## 3          2
## 4          1

Elemente aus data.frame Objekt aufrufen: per $

mein_df

##   treatment motivation
## 1        EG          5
## 2        EG          6
## 3        KG          2
## 4        KG          1

mein_df$motivation

## [1] 5 6 2 1

mein_df$motivation[2]

## [1] 6

• R-Hilfe (Welche Argumente muss ich nochmal wie spezifizieren?)
• Vignetten der Pakete/ Funktionen (Komplexere Funktionen: Wie setze ich diese Funktion ein?)
• stackoverflow.com (Fehlermeldungen/ spezifisches Vorhaben)
• Cheatsheets (für sehr populäre Pakete)
• Quick-R und datascience+ (grundsätzliche Funktionen)
• google (Welche Funktionen gibt es für den Import von SPSS Dateien?)

Zeitlimit setzen! Bei Kolleg*innen Hilfe holen! (R-Task-Force in Teams?)

• Jede (!) Funktion hat eine Hilfe
• Struktur ist immer
  • “Description”: Was macht die Funktion?
  • “Usage”: Welche Argumente hat die Funktion und was sind ihre default-Werte?
  • “Arguments”: Was kann ich für die Argumente eingeben & wie muss ich es eingeben?
  • “Details”: Wichtige Detailklärungen (meist für die Argumente)
  • “Value”: Was wird ausgegeben, wenn die Funktion ausgeführt wird?
  • …
  • “Examples”: Die Funktion in action.

• Jede (!) Funktion hat eine Hilfe
• Struktur ist immer
  • “Description”: Was macht die Funktion?
  • “Usage”: Welche Argumente hat die Funktion und was sind ihre default-Werte?
  • “Arguments”: Was kann ich für die Argumente eingeben & wie muss ich es eingeben?
  • “Details”: Wichtige Detailklärungen (meist für die Argumente)
  • “Value”: Was wird ausgegeben, wenn die Funktion ausgeführt wird?
  • …
  • “Examples”: Die Funktion in action

Hilfe aufrufen:

?cor.test()

(oder F1-Taste, wenn Cursor in Funktion)

• je nach Funktion/ Paket gibt es ausführliche Fallbeispiele
• normalerweise nur bei komplexeren Funktionen

ein paar Beispiele:

• {lavaan} (Strukturgleichungsmodelle)
• {bain} (approximate adjusted fractional Bayes factors)
• {ggplot2} (populäres Grafikpaket)
• {plotly} (interaktive Grafiken)

Vignetten finden:
google: “r vignette [Name des Pakets/ der Funktion]”

“Dieses Problem hatte sicher schon einmal jemand!”

Beispiel:
google: “r sort columns of a data.frame by column name”

“Fehlermeldung für mich nicht verständlich”
Fehler mit " in google eingeben
nach stackoverflow-Treffern durchsuchen

Übersichtlich zusammengefasste Infos zu Paketen/ Methoden.

Die meisten Cheatsheets sind hier zu finden.

name.des.Objekts <- ???(argument1 = ???,
                        ...)

• Funktionen:
  • import() aus {rio}
  • read_csv() aus {readr}
  • andere Funktionen/ Pakete? (z.B. aus Quick-R oder googlen)
• Pfad zu den Daten: https://shiny.jschn.org/www/fueleconomy.csv

Bedeutung der Variablen: ?mpg (hierzu muss {tidyverse} installiert sein)

• Daten anschauen, Funktionen: View(), glimpse(), head(), tail(), (weitere??)

• Daten explorieren, Funktionen: summary(), describeBy(), (weitere??)
• Häufigkeitsverteilung: table(Datensatz$Spalte)
• Kreuztabellen: table(Datensatz$Spalte1, Datensatz$Spalte2)